文章目錄

• 簡介
• 創建category
• • 使用Series創建
  • 使用DF創建
  • 創建控制
  • 轉換為原始類型
• categories的操作
• • 獲取category的屬性
  • 重命名categories
  • 使用**add_categories**添加category
  • 使用remove_categories刪除category
  • 刪除未使用的cagtegory
  • 重置cagtegory
• category排序
• • 重排序
  • 多列排序
• 比較操作
• 其他操作

簡介

Pandas中有一種特殊的數據類型叫做category。它表示的是一個類別，一般用在統計分類中，比如性別，血型，分類，級別等等。有點像java中的enum。

今天給大家詳細講解一下category的用法。

創建category

使用Series創建

在創建Series的同時添加dtype="category"就可以創建好category了。category分為兩部分，一部分是order，一部分是字面量：

In [1]: s = pd.Series(["a", "b", "c", "a"], dtype="category")In [2]: s Out[2]: 0 a 1 b 2 c 3 a dtype: category Categories (3, object): ['a', 'b', 'c']

可以將DF中的Series轉換為category：

In [3]: df = pd.DataFrame({"A": ["a", "b", "c", "a"]})In [4]: df["B"] = df["A"].astype("category")In [5]: df["B"] Out[32]: 0 a 1 b 2 c 3 a Name: B, dtype: category Categories (3, object): [a, b, c]

可以創建好一個pandas.Categorical ，將其作為參數傳遞給Series：

In [10]: raw_cat = pd.Categorical(....: ["a", "b", "c", "a"], categories=["b", "c", "d"], ordered=False....: )....: In [11]: s = pd.Series(raw_cat)In [12]: s Out[12]: 0 NaN 1 b 2 c 3 NaN dtype: category Categories (3, object): ['b', 'c', 'd']

使用DF創建

創建DataFrame的時候，也可以傳入 dtype=“category”：

In [17]: df = pd.DataFrame({"A": list("abca"), "B": list("bccd")}, dtype="category")In [18]: df.dtypes Out[18]: A category B category dtype: object

DF中的A和B都是一個category:

In [19]: df["A"] Out[19]: 0 a 1 b 2 c 3 a Name: A, dtype: category Categories (3, object): ['a', 'b', 'c']In [20]: df["B"] Out[20]: 0 b 1 c 2 c 3 d Name: B, dtype: category Categories (3, object): ['b', 'c', 'd']

或者使用df.astype(“category”)將DF中所有的Series轉換為category:

In [21]: df = pd.DataFrame({"A": list("abca"), "B": list("bccd")})In [22]: df_cat = df.astype("category")In [23]: df_cat.dtypes Out[23]: A category B category dtype: object

創建控制

默認情況下傳入dtype=‘category’ 創建出來的category使用的是默認值：

Categories是從數據中推斷出來的。

Categories是沒有大小順序的。

可以顯示創建CategoricalDtype來修改上面的兩個默認值：

In [26]: from pandas.api.types import CategoricalDtypeIn [27]: s = pd.Series(["a", "b", "c", "a"])In [28]: cat_type = CategoricalDtype(categories=["b", "c", "d"], ordered=True)In [29]: s_cat = s.astype(cat_type)In [30]: s_cat Out[30]: 0 NaN 1 b 2 c 3 NaN dtype: category Categories (3, object): ['b' < 'c' < 'd']

同樣的CategoricalDtype還可以用在DF中：

In [31]: from pandas.api.types import CategoricalDtypeIn [32]: df = pd.DataFrame({"A": list("abca"), "B": list("bccd")})In [33]: cat_type = CategoricalDtype(categories=list("abcd"), ordered=True)In [34]: df_cat = df.astype(cat_type)In [35]: df_cat["A"] Out[35]: 0 a 1 b 2 c 3 a Name: A, dtype: category Categories (4, object): ['a' < 'b' < 'c' < 'd']In [36]: df_cat["B"] Out[36]: 0 b 1 c 2 c 3 d Name: B, dtype: category Categories (4, object): ['a' < 'b' < 'c' < 'd']

轉換為原始類型

使用Series.astype(original_dtype) 或者 np.asarray(categorical)可以將Category轉換為原始類型：

In [39]: s = pd.Series(["a", "b", "c", "a"])In [40]: s Out[40]: 0 a 1 b 2 c 3 a dtype: objectIn [41]: s2 = s.astype("category")In [42]: s2 Out[42]: 0 a 1 b 2 c 3 a dtype: category Categories (3, object): ['a', 'b', 'c']In [43]: s2.astype(str) Out[43]: 0 a 1 b 2 c 3 a dtype: objectIn [44]: np.asarray(s2) Out[44]: array(['a', 'b', 'c', 'a'], dtype=object)

categories的操作

獲取category的屬性

Categorical數據有 categories 和 ordered 兩個屬性。可以通過s.cat.categories 和 s.cat.ordered來獲取：

In [57]: s = pd.Series(["a", "b", "c", "a"], dtype="category")In [58]: s.cat.categories Out[58]: Index(['a', 'b', 'c'], dtype='object')In [59]: s.cat.ordered Out[59]: False

重排category的順序：

In [60]: s = pd.Series(pd.Categorical(["a", "b", "c", "a"], categories=["c", "b", "a"]))In [61]: s.cat.categories Out[61]: Index(['c', 'b', 'a'], dtype='object')In [62]: s.cat.ordered Out[62]: False

重命名categories

通過給s.cat.categories賦值可以重命名categories:

In [67]: s = pd.Series(["a", "b", "c", "a"], dtype="category")In [68]: s Out[68]: 0 a 1 b 2 c 3 a dtype: category Categories (3, object): ['a', 'b', 'c']In [69]: s.cat.categories = ["Group %s" % g for g in s.cat.categories]In [70]: s Out[70]: 0 Group a 1 Group b 2 Group c 3 Group a dtype: category Categories (3, object): ['Group a', 'Group b', 'Group c']

使用rename_categories可以達到同樣的效果：

In [71]: s = s.cat.rename_categories([1, 2, 3])In [72]: s Out[72]: 0 1 1 2 2 3 3 1 dtype: category Categories (3, int64): [1, 2, 3]

或者使用字典對象：

# You can also pass a dict-like object to map the renaming In [73]: s = s.cat.rename_categories({1: "x", 2: "y", 3: "z"})In [74]: s Out[74]: 0 x 1 y 2 z 3 x dtype: category Categories (3, object): ['x', 'y', 'z']

使用add_categories添加category

可以使用add_categories來添加category:

In [77]: s = s.cat.add_categories([4])In [78]: s.cat.categories Out[78]: Index(['x', 'y', 'z', 4], dtype='object')In [79]: s Out[79]: 0 x 1 y 2 z 3 x dtype: category Categories (4, object): ['x', 'y', 'z', 4]

使用remove_categories刪除category

In [80]: s = s.cat.remove_categories([4])In [81]: s Out[81]: 0 x 1 y 2 z 3 x dtype: category Categories (3, object): ['x', 'y', 'z']

刪除未使用的cagtegory

In [82]: s = pd.Series(pd.Categorical(["a", "b", "a"], categories=["a", "b", "c", "d"]))In [83]: s Out[83]: 0 a 1 b 2 a dtype: category Categories (4, object): ['a', 'b', 'c', 'd']In [84]: s.cat.remove_unused_categories() Out[84]: 0 a 1 b 2 a dtype: category Categories (2, object): ['a', 'b']

重置cagtegory

使用set_categories()可以同時進行添加和刪除category操作：

In [85]: s = pd.Series(["one", "two", "four", "-"], dtype="category")In [86]: s Out[86]: 0 one 1 two 2 four 3 - dtype: category Categories (4, object): ['-', 'four', 'one', 'two']In [87]: s = s.cat.set_categories(["one", "two", "three", "four"])In [88]: s Out[88]: 0 one 1 two 2 four 3 NaN dtype: category Categories (4, object): ['one', 'two', 'three', 'four']

category排序

如果category創建的時候帶有 ordered=True ， 那么可以對其進行排序操作：

In [91]: s = pd.Series(["a", "b", "c", "a"]).astype(CategoricalDtype(ordered=True))In [92]: s.sort_values(inplace=True)In [93]: s Out[93]: 0 a 3 a 1 b 2 c dtype: category Categories (3, object): ['a' < 'b' < 'c']In [94]: s.min(), s.max() Out[94]: ('a', 'c')

可以使用 as_ordered() 或者 as_unordered() 來強制排序或者不排序：

In [95]: s.cat.as_ordered() Out[95]: 0 a 3 a 1 b 2 c dtype: category Categories (3, object): ['a' < 'b' < 'c']In [96]: s.cat.as_unordered() Out[96]: 0 a 3 a 1 b 2 c dtype: category Categories (3, object): ['a', 'b', 'c']

重排序

使用Categorical.reorder_categories() 可以對現有的category進行重排序：

In [103]: s = pd.Series([1, 2, 3, 1], dtype="category")In [104]: s = s.cat.reorder_categories([2, 3, 1], ordered=True)In [105]: s Out[105]: 0 1 1 2 2 3 3 1 dtype: category Categories (3, int64): [2 < 3 < 1]

多列排序

sort_values 支持多列進行排序：

In [109]: dfs = pd.DataFrame(.....: {.....: "A": pd.Categorical(.....: list("bbeebbaa"),.....: categories=["e", "a", "b"],.....: ordered=True,.....: ),.....: "B": [1, 2, 1, 2, 2, 1, 2, 1],.....: }.....: ).....: In [110]: dfs.sort_values(by=["A", "B"]) Out[110]: A B 2 e 1 3 e 2 7 a 1 6 a 2 0 b 1 5 b 1 1 b 2 4 b 2

比較操作

如果創建的時候設置了ordered==True ，那么category之間就可以進行比較操作。支持==, !=, >, >=, <, 和 <=這些操作符。

In [113]: cat = pd.Series([1, 2, 3]).astype(CategoricalDtype([3, 2, 1], ordered=True))In [114]: cat_base = pd.Series([2, 2, 2]).astype(CategoricalDtype([3, 2, 1], ordered=True))In [115]: cat_base2 = pd.Series([2, 2, 2]).astype(CategoricalDtype(ordered=True)) In [119]: cat > cat_base Out[119]: 0 True 1 False 2 False dtype: boolIn [120]: cat > 2 Out[120]: 0 True 1 False 2 False dtype: bool

其他操作

Cagetory本質上來說還是一個Series，所以Series的操作category基本上都可以使用，比如： Series.min(), Series.max() 和 Series.mode()。

value_counts：

In [131]: s = pd.Series(pd.Categorical(["a", "b", "c", "c"], categories=["c", "a", "b", "d"]))In [132]: s.value_counts() Out[132]: c 2 a 1 b 1 d 0 dtype: int64

DataFrame.sum()：

In [133]: columns = pd.Categorical(.....: ["One", "One", "Two"], categories=["One", "Two", "Three"], ordered=True.....: ).....: In [134]: df = pd.DataFrame(.....: data=[[1, 2, 3], [4, 5, 6]],.....: columns=pd.MultiIndex.from_arrays([["A", "B", "B"], columns]),.....: ).....: In [135]: df.sum(axis=1, level=1) Out[135]: One Two Three 0 3 3 0 1 9 6 0

Groupby：

In [136]: cats = pd.Categorical(.....: ["a", "b", "b", "b", "c", "c", "c"], categories=["a", "b", "c", "d"].....: ).....: In [137]: df = pd.DataFrame({"cats": cats, "values": [1, 2, 2, 2, 3, 4, 5]})In [138]: df.groupby("cats").mean() Out[138]: values cats a 1.0 b 2.0 c 4.0 d NaNIn [139]: cats2 = pd.Categorical(["a", "a", "b", "b"], categories=["a", "b", "c"])In [140]: df2 = pd.DataFrame(.....: {.....: "cats": cats2,.....: "B": ["c", "d", "c", "d"],.....: "values": [1, 2, 3, 4],.....: }.....: ).....: In [141]: df2.groupby(["cats", "B"]).mean() Out[141]: values cats B a c 1.0d 2.0 b c 3.0d 4.0 c c NaNd NaN

Pivot tables：

In [142]: raw_cat = pd.Categorical(["a", "a", "b", "b"], categories=["a", "b", "c"])In [143]: df = pd.DataFrame({"A": raw_cat, "B": ["c", "d", "c", "d"], "values": [1, 2, 3, 4]})In [144]: pd.pivot_table(df, values="values", index=["A", "B"]) Out[144]: values A B a c 1d 2 b c 3d 4

本文已收錄于 http://www.flydean.com/08-python-pandas-category/

最通俗的解讀，最深刻的干貨，最簡潔的教程，眾多你不知道的小技巧等你來發現！

歡迎關注我的公眾號:「程序那些事」,懂技術，更懂你！

超強干貨來襲 云風專訪：近40年碼齡，通宵達旦的技術人生

總結

以上是生活随笔為你收集整理的Pandas高级教程之:category数据类型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。